4649 字
23 分钟
AI 工具应用:Toonflow 开源 AI 短剧漫剧创作平台
2026-11-15

先说问题:做一条短剧,要在多少个工具之间倒素材#

AI 短剧、漫剧这两年很热,但真动手做过一集的人都知道,难的往往不是某一次生成,而是整条流水线的衔接:

  • 剧本在聊天窗口里跟语言模型来回改,改完复制到文档里存着;
  • 分镜表单独躺在一个表格文件里,镜头编号和剧本段落靠人脑对齐;
  • 角色图在出图工具里生成,场景图在另一个平台生成,下载回来堆在本地文件夹里,文件名全是随机字符串;
  • 视频片段在一个个视频平台网页上逐条提交、逐条下载,等拼到一起才发现第三镜的角色脸和第一镜对不上,只能回头重抽。

每倒一次手,资产就散落一层;项目做到一半想回头改一个镜头,先要花十分钟找素材。Toonflow 的核心思路就一句话:把剧本、资产与视频片段全部收进同一张无限画布,让一条短剧从文字到成片不出一个工作台。

本篇主线:认识 Toonflow 是什么 → 走完四步核心工作流 → 看懂画布与资产管理 → 模型怎么接 → 三种部署方式逐个装一遍 → 把服务器访问的安全口子堵上 → 对照官方成本案例估算自己的账。

项目地址:https://github.com/HBAI-Ltd/Toonflow-app

它是什么#

Toonflow 是面向短剧、漫剧和短视频创作者的开源 AI 创作平台,采用 MIT 许可证,可以自由部署和使用。它把剧本创作、智能分镜、角色与场景资产管理、图像生成和视频生成整合进同一张无限画布,再配上 AI Agent、可视化工作流、MCP 与插件扩展,形态上接近 LibTV、TapNow 这类画布式创作工具,但完全开源、本地部署、模型自选。

几个关键信息先对齐:

  • 开源与许可:MIT 许可证,代码托管在 GitHub(HBAI-Ltd/Toonflow-app),可以自己部署、自己改。
  • 多语言:界面支持 21 种语言,包括简体中文、繁體中文、English、日本語等,国内创作者上手没有语言门槛。
  • 部署形态齐全:Windows、macOS、Linux、Android 都有客户端安装包,也支持 Docker 部署和服务器裸装,项目与素材保存在自己的设备或服务器上。
  • 模型不绑死:平台本身不生产画面,语言、图片、视频能力都来自你配置的模型——第三方 API 可以,本地 ComfyUI 和本地 LLM 也可以。

需要先说清的一条边界:Toonflow 是工作台,不是模型本身;成片质量的上限,取决于你接的语言、图片和视频模型。平台负责的是把流程、资产和上下文组织好,让模型每次生成时都站在同一套设定上。

核心工作流:四步走完一条短剧#

官方给出的标准制作流程是四步,全部在画布上完成。

第一步:在文本节点里写剧本与分镜#

新建项目后,在画布上放文本节点,把故事梗概、人物设定和镜头描述写进去。文本节点可以连接语言模型辅助创作:让模型扩写剧情、拆分集数、把一段小说改写成分镜脚本,生成结果直接落在节点里,你再逐段审阅、修改、定稿。

这一步的价值在于分镜不再是独立文档:每个镜头的文字描述就是一个节点,后面连图片、连视频都以它为源头,改剧本等于改下游所有素材的出发点,不用再回表格里对行号。

第二步:备齐角色与场景素材#

素材有两条来源:

  • 导入参考图:已有的角色设定图、场景概念图直接导入画布,作为后续生成的参考。
  • 图片节点生成:用图片生成节点现做角色、场景和分镜图。角色建议先生成三视图(正面、侧面、背面同框),把发型、服装、体型一次性定死,后续每个镜头都拿三视图当参考,角色才不会一集换一张脸。

本系列里专门讲本地出图的 ComfyUI 入门篇 可以和这里衔接:Toonflow 能直接接本地 ComfyUI 当图片后端,工作流在 ComfyUI 里调,调用在画布上点。

第三步:连参考、选模型,逐镜生成视频#

把文本节点(镜头描述)和图片节点(角色、场景、分镜图)连到视频生成节点上,选好视频模型和生成模式,按镜头逐个生成片段。多参考素材一起喂给模型,是这类平台保角色一致性的主要手段:模型每一镜都看着同一组角色图和场景图在生成,而不是凭一句文字描述自由发挥。

和本系列 Muse 动画短片流水线 那种「脚本分阶段跑批」的路线相比,Toonflow 是交互式的:哪一镜不满意,就在画布上单独重跑哪一镜,邻居镜头不受影响。

第四步:预览、整理、下载#

生成的图片和视频片段都回到画布上,按镜头顺序排开预览。满意的片段下载到本地,再进剪辑软件拼接、配音、加字幕做后期;不满意的回到第三步重抽。画布本身就是这一集的「工程文件」,下次打开,剧本、资产、片段的对应关系原样还在。

画布与资产管理#

短剧是连载生意,资产管理跟不上,第二集就开始还第一集的债。Toonflow 在画布之外给了专门的资产视图:

  • 资产画布:角色、场景、道具集中管理,一部剧的所有设定图沉淀在一处,跨集复用,不用每集重新生成主角。
  • 3D 导演台:生成之前先在 3D 导演台里摆机位、看构图,做镜头预演。先预演再生成,能省掉大量「抽出来才发现机位不对」的无效重试——视频生成是最贵的一环,预演省的都是真金白银。时间线与运镜怎么编排,可以配合 ComfyUI MiniMax 导演节点篇 的思路一起看。
  • 节点分组:画布上的节点可以分组操作,一集一个组、一场戏一个组,画布再大也不至于乱成毛线团。

扩展性:Agent、MCP 与插件市场#

Toonflow 不只是一个固定流水线,它给自动化和二次扩展留了三层口子:

  • 开放的 AI Agent:Agent 的提示词与工具对外开放,可以自定义 Agent 的行为,让它按你的习惯拆剧本、排分镜;同时支持 A2A 协作,外部 Agent 能和平台内的 Agent 配合干活。
  • MCP 连接:通过 MCP 协议连接外部工具与服务,把你已有的工具链挂进画布,而不是让平台大包大揽。
  • 插件市场:官方提供插件市场,可以扩展新的节点类型、工具与创作能力;首次启动时平台会初始化内置插件,后续按需再装。

这三层决定了它的定位不只是「短剧生成器」,而是一个可以长出自己工作流的创作底座。

模型怎么接#

模型配置在页面内完成,分三类分别接:

  • 语言模型:负责剧本扩写、分镜拆解和 Agent 对话,接第三方 API 即可;也可以接本地 LLM,剧本不出本机。
  • 图片模型:负责角色、场景、分镜图,第三方 API 与本地 ComfyUI 工作流都支持,通过自定义供应商适配接入已有工作流。
  • 视频模型:负责逐镜生成片段,支持的参考素材类型、时长、分辨率和音频能力,取决于所选模型与供应商——选模型时先看清这四项再充值。

API Key 在页面内配置,保存在本地数据目录里,不要截图外发,也不要把配置文件提交到公开仓库。

部署方式一:桌面客户端#

只想在自己电脑(或手机)上用,客户端是最省事的路线,四个平台都有包,去仓库的 Releases 发布页下载对应版本:

平台安装包备注
Windows x64EXE 安装包(Setup)安装器自动检测并安装 WebView2
Windows ARM64EXE 安装包(win-arm64)需要 .NET Framework 4.8.1,新款 Windows 11 已内置
macOS Apple SiliconDMG 安装包(macos-arm64)最低 macOS 14,已签名并完成 Apple 公证
macOS IntelDMG 安装包(macos-x64)最低 macOS 14;旧版迁移须下完整 DMG 覆盖安装
Linux x64 / ARM64DEB 安装包Debian / Ubuntu 系,安装命令见下
Android ARM64APK 安装包手机内置本地后端可独立运行,也可连接电脑或远程后端

Linux 下装 DEB 包:

Terminal window
cd ~/Downloads
sudo apt install ./toonflow-版本号-linux-x64.deb

安装过程需要联网,apt 会准备 FFmpeg、curl、unzip、CA 证书等依赖,脚本还会下载固定版本的 Bun 并校验大小与 SHA-256,校验不过会直接中止,不会装一半。

macOS 打开 DMG 把 toonflow.app 拖进「应用程序」即可。若提示「无法验证开发者」,先去「系统设置 → 隐私与安全性」里点「仍要打开」;仍被隔离拦截时再执行:

Terminal window
sudo xattr -rd com.apple.quarantine /Applications/toonflow.app

Windows 装完闪退,多半是 WebView2 运行时没装好,去微软官网手动装一遍运行时再启动。

部署方式二:Docker 一行起服务#

想放到服务器上长期跑、或者多设备共用一个后端,用 Docker 最稳。仓库自带 Dockerfile 与 Compose 配置,基于 Bun 1.4.3 构建,镜像内包含 FFmpeg:

Terminal window
git clone https://github.com/HBAI-Ltd/Toonflow-app.git
cd Toonflow-app
docker compose up -d --build

首次构建会安装依赖并编译内置节点、工具、Web 与 Server,完成后访问 http://127.0.0.1:3000,首次启动会初始化内置插件,并提供一个 myProject 工作目录。日常运维命令:

Terminal window
docker compose logs -f toonflow # 看日志
docker compose stop # 停止服务
docker compose start # 再次启动
docker compose down # 删除容器(保留数据卷)

数据存放在 Docker 命名卷 toonflowData 中,挂载到容器的 /app/data/,配置、插件和项目文件都在里面。备份要先停服务再整体复制:

Terminal window
docker compose stop
docker compose cp toonflow:/app/data ./toonflowBackup
docker compose start
WARNING

绝对不要用 docker compose down -v 停服务:-v 会连命名卷一起删除,角色资产、项目文件和全部配置一并清零,且不可恢复。日常停服用 docker compose down(不带 -v)或 docker compose stop。

部署方式三:服务器裸装#

不想用 Docker、直接在 Linux 服务器上跑也行,运行时是 Bun,版本按项目指定的 1.4.3 来:

Terminal window
sudo apt-get update
sudo apt-get install -y git curl unzip ffmpeg
curl -fsSL https://bun.com/install | bash -s "bun-v1.4.3"
export PATH="$HOME/.bun/bin:$PATH"
bun --version

拉代码、装依赖、构建并启动:

Terminal window
git clone https://github.com/HBAI-Ltd/Toonflow-app.git
cd Toonflow-app
bun install --frozen-lockfile
bun run build:server
mkdir -p data/workspaces/myProject
bun run start:server

看到「服务启动成功」后,服务器本机访问 http://127.0.0.1:3000 即可。裸装时配置、插件与工作区默认保存在仓库的 data/ 目录,迁移备份时整个目录打包带走。上面的启动命令是前台运行,关终端就停;要长期运行,用 systemd 托管:工作目录设为仓库目录,启动命令写 Bun 的绝对路径加 run start:server,运行用户要有该目录的读写权限。

安全:3000 端口不要裸奔公网#

这一节必须单独强调。Toonflow 当前使用固定端口 3000,业务页面与 API 没有独立登录鉴权——也就是说,谁能打开这个页面,谁就能用你的项目、你的素材,以及你配置在里面的模型 API Key 额度。

WARNING

服务器部署时,千万不要把 3000 端口直接对公网开放:无鉴权页面裸奔公网,等于把创作工作台和 API 额度一起送人。三种访问方式任选其一:防火墙或安全组只放行自己的 IP;前面套一层带认证的反向代理再对外;或者干脆不开公网端口,走 SSH 隧道本地访问。

个人远程使用,SSH 隧道是最省事的,在自己电脑上执行:

Terminal window
ssh -N -L 3000:127.0.0.1:3000 用户名@服务器地址

保持这条连接,浏览器打开 http://127.0.0.1:3000,流量全程走加密隧道,服务器的 3000 端口完全不用对公网开放。团队共用或需要固定域名时,再上带认证的反向代理(在代理层做账号密码或单点登录),不要指望应用层帮你挡人。

成本参考:官方案例的账怎么读#

官方给了一个完整作品案例,可以当估算锚点:

项目案例记录
制作周期约 2 小时
成片时长约 2 分钟
视频模型Seedance 2.0
图片模型GPT Image 2
语言模型Claude Opus 4.6
模型调用总费用约 130 元
其中视频约 120 元
其中语言约 10 元
其中图片不足 1 元

这笔账有三个读法:第一,视频生成占了总成本的九成以上,控成本就是控视频的生成次数与时长,前面说的 3D 导演台预演、逐镜小样确认再放大,都是在省这一项;第二,图片几乎不要钱,角色三视图这类资产图该多抽几张选最好的,别在这上面省;第三,这 130 元只是该案例在该组模型下的一次记录,不是固定价格,换模型、换分辨率、重试次数不同,账会差出几倍,自己的项目先小规模跑一集摸清单价,再决定要不要连载。

对比:画布一体化 vs 单点工具拼凑#

维度Toonflow(画布式一体化平台)单点工具拼凑(聊天写剧本+单独出图+单独出视频网站)
资产管理角色、场景、道具沉淀在资产画布,跨集复用文件散落在各平台下载目录与本地文件夹,靠人工归档
角色一致性靠什么三视图与参考图作为节点连进每个镜头,模型每镜都看着同一组参考生成靠每镜手动上传参考图或反复写描述词,漏一次就换脸
流程连贯度剧本节点即分镜源头,改剧本直接影响下游生成剧本、分镜表、素材三份文档人工对齐,改一处要同步三处
上手门槛装好平台、配好模型即可按四步流程走每个工具都要单独学,流程靠自己设计和维护
部署与数据开源自部署,项目、素材、API Key 都在自己设备或服务器数据分散在各平台账号里,平台关停或封号即丢失
成本结构平台免费,钱只花在模型调用上,模型可换可比价各平台分别订阅或充值,沉没成本分散难比较

常见问题与排障#

Q:Toonflow 本身收费吗? 不收费。MIT 开源许可,自行部署免费使用;花钱的是你配置的第三方模型 API 调用。用本地 ComfyUI 和本地 LLM 时,成本就是自己的电费与硬件。

Q:Windows 客户端装完打开闪退? 多半是 WebView2 运行时缺失或损坏。安装器本应自动检测安装,闪退时去微软官网手动下载 WebView2 运行时装一遍,再启动客户端。

Q:macOS 提示「无法验证开发者」打不开? 先到「系统设置 → 隐私与安全性」找到被阻止的提示,点「仍要打开」;还不行就对放在「应用程序」里的 toonflow.app 执行文中给出的 xattr 命令移除隔离属性。spctl --master-disable 这类全局放行是最后手段,会放宽全系统所有 App 的限制,用完记得改回。

Q:Docker 部署后页面打不开? 先看日志定位:docker compose logs -f toonflow。首次构建未完成时服务不会起,构建报错多为网络拉取依赖失败,重跑 docker compose up -d --build;构建完成仍连不上,检查 3000 端口是否被其他程序占用。

Q:项目和素材到底存在哪,换电脑怎么搬? 桌面客户端存在本地数据目录;Docker 部署在命名卷 toonflowData(容器内 /app/data/),按文中的备份命令整体复制;服务器裸装在仓库 data/ 目录,整目录打包迁移。搬完在页面里选择对应工作区即可继续。

Q:生成出来的视频时长、分辨率和别的案例不一样? 这是模型决定的,不是平台的限制。支持的参考素材类型、时长、分辨率、音频能力都取决于所选视频模型与供应商,换模型前先看清这四项规格,再决定生成参数。

Q:能不能接自己已经在跑的 ComfyUI 工作流? 可以。通过自定义供应商适配,把已有的 ComfyUI 工作流接成图片(或媒体)后端,画布上调用、本机出图,具体字段映射按工作流的 API 格式配置。

Q:Android 版能独立干活吗? 可以。Android 版内置本地 Bun 后端,能独立运行;也可以从首页「设备互联」扫码或手动连接已开启共享的电脑或远程后端,在手机上操作家里电脑的项目。

小结#

Toonflow 解决的不是「能不能生成」,而是「生成出来的东西怎么组织成一部剧」:剧本、分镜、角色、场景、片段全部收进一张无限画布,资产跨集沉淀,镜头逐个可控;Agent、MCP 与插件市场让它能接进已有的工具链;桌面、Docker、服务器三种部署覆盖了从个人电脑到自有服务器的全部场景,模型自选,数据在自己手里。

上手建议:先用桌面客户端或 Docker 在本地跑通四步流程,用一集短内容摸清你选的那组模型的单价与出片率;真要放到服务器上长期跑,先把访问控制做好——无鉴权的 3000 端口只走防火墙白名单、带认证的反向代理或 SSH 隧道,这一步做完,再谈连载。

AI 工具应用:Toonflow 开源 AI 短剧漫剧创作平台
https://www.anexns.cloudns.org/posts/ai-toonflow/
作者
Anexns
发布于
2026-11-15
许可协议
CC BY-NC-SA 4.0